启动 MAS：所有执行模式

May 15, 2026 · View on GitHub

源文件: examples/backend/demo_launch_mas.py

概述

本示例是一个综合参考，演示了创建、初始化和启动 MAS 实例的所有方式。涵盖了通过 mas.call() 直接调用组件、通过 chat_with_agent() 进行智能体级交互，以及三种运行模式：CLI、批量处理和 Web 服务。同时展示了替代的 MAS.create() 工厂方法。可将本示例作为快速入门指南，了解完整的 MAS API。

前置条件

环境变量：DEFAULT_LLM_API_KEY、DEFAULT_LLM_BASE_URL、DEFAULT_LLM_MODEL_NAME
需要安装 Node.js 和 uvx（用于 MCP 时间服务器工具）

运行方式

python -m examples.backend.demo_launch_mas

代码详解

组件 (`oxy_space`)

组件	类型	关键参数
`default_llm`	`HttpLLM`	标准 LLM 凭证
`time_tools`	`StdioMCPClient`	MCP 时间服务器，用于时区查询
`time_agent`	`ReActAgent`	`tools=["time_tools"]` -- 配备时间工具的 ReAct 智能体

替代初始化方式：MAS.create()

async def get_mas_object():
    mas = await MAS.create(oxy_space=oxy_space)
    await mas.start_web_service()

MAS.create() 是一个异步工厂方法，无需使用 async with 上下文管理器即可返回已初始化的 MAS 实例。当你需要更精细地控制 MAS 生命周期或与管理自身事件循环的框架集成时，此方法非常有用。

入口函数

主函数按顺序演示五种使用模式：

1. 直接调用工具：

await mas.call(
    callee="get_current_time",
    arguments={"timezone": "Asia/Shanghai"},
)

通过名称调用 MCP 客户端注册的特定工具。

2. 直接调用 LLM：

await mas.call(
    callee="default_llm",
    arguments={
        "messages": [
            {"role": "system", "content": "You are a helpful assistant."},
            {"role": "user", "content": "hello"},
        ],
        "llm_params": {"temperature": 0.2},
    },
)

使用自定义消息和参数直接调用 LLM。

3. 直接调用智能体：

await mas.call(
    callee="time_agent",
    arguments={"query": "What time it is?"},
)

通过名称调用特定智能体并传入查询。

4. 与主智能体对话：

payload = {"query": "What time it is?"}
oxy_response = await mas.chat_with_agent(payload=payload)

将查询路由到主智能体（oxy_space 中的第一个智能体或标记为 is_master=True 的智能体）。

5. 运行模式：

await mas.start_cli_mode(first_query="What time it is?")
await mas.start_batch_processing(["What time it is?"] * 10)
await mas.start_web_service(first_query="What time it is?")

start_cli_mode：终端中的交互式 REPL。
start_batch_processing：多个查询的并发处理。
start_web_service：带有 Web UI 的 FastAPI 服务器。

核心概念

mas.call()：底层 API，通过名称调用任何已注册的 Oxy 组件（智能体、工具或 LLM）。
mas.chat_with_agent()：高层 API，将查询路由到主智能体，处理 trace 管理和响应格式化。
MAS.create()：用于在上下文管理器之外初始化 MAS 的异步工厂方法。
三种运行模式：CLI 模式用于开发/调试，批量模式用于大规模处理，Web 服务模式用于生产部署。
MCP 工具注册：StdioMCPClient 提供的工具会自动按其工具名称注册（如 get_current_time），使其可通过 mas.call() 调用。

预期行为

MAS 使用 LLM、MCP 客户端和智能体初始化。
直接工具调用返回上海时区的当前时间。
直接 LLM 调用返回问候响应。
直接智能体调用触发 ReAct 循环：智能体对查询进行推理，调用时间工具，返回结果。
chat_with_agent 通过主智能体路由并返回 OxyResponse。
每种运行模式按顺序启动（实际使用中，你会选择其中一种）。